基于壓縮感知的小波域稀疏一維油井數(shù)據(jù)壓縮與重構(gòu)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及基于壓縮感知的一維油井數(shù)據(jù)壓縮與重構(gòu)方法，屬于信號處理技術(shù)領(lǐng) 域。
【背景技術(shù)】
[0002] 在實際油田生產(chǎn)參數(shù)實時監(jiān)控情況下，需降低數(shù)據(jù)采樣率來節(jié)約通信流量。油井 載荷，位移，溫度，壓力和電參數(shù)這些信息主要通過無線網(wǎng)絡(luò)傳輸。其中一類是內(nèi)部專門的 無線網(wǎng)絡(luò)，如ZigBee網(wǎng)絡(luò)，這類網(wǎng)絡(luò)一般帶寬較小，油井之間通過多跳方式傳輸；另一類是 第三方運營網(wǎng)絡(luò)，如GPRS或者3G網(wǎng)絡(luò)，這類網(wǎng)絡(luò)帶寬相對較大，通過單跳基站傳輸，根據(jù)數(shù) 據(jù)流量計算費用。載荷、位移和電參數(shù)信息數(shù)據(jù)量較大，直接傳輸有許多弊端。對于專用網(wǎng) 絡(luò)，會增大網(wǎng)絡(luò)的數(shù)據(jù)負荷和傳輸延時，降低網(wǎng)絡(luò)的服務(wù)質(zhì)量，增加網(wǎng)絡(luò)中發(fā)送終端和傳輸 路由節(jié)點的功耗，極端情況下甚至會導(dǎo)致網(wǎng)絡(luò)癱瘓。對于收費網(wǎng)絡(luò)，增加了數(shù)據(jù)流量不僅提 高了生產(chǎn)運行成本，而且占用了民用通信資源。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明的目的是為了降低信號的采樣率，減少油井數(shù)據(jù)傳輸資源的消耗，提出基 于壓縮感知的一維油井數(shù)據(jù)壓縮與重構(gòu)方法，該方法可以以低于奈奎斯特采樣定理的速率 在特定稀疏域上壓縮采樣，可以更好的利用信號的可壓縮性，在信號采集的過程中盡可能 少的采集信號的冗余部分，壓縮傳輸，精確重構(gòu)。
[0004] 本發(fā)明的目的是通過以下技術(shù)方案實現(xiàn)的。
[0005] 本發(fā)明的基于壓縮感知的一維油井數(shù)據(jù)壓縮與重構(gòu)方法，步驟為：
[0006] 1)對油井數(shù)據(jù)X去噪后在基底WERnxn所張成空間上進行稀疏分解:χ=Ψα;
[0007] 所述的去噪處理，是指將數(shù)據(jù)X進行傅里葉變換后加窗濾波去除噪聲。
[0008] 所述的稀疏分解，是指將數(shù)據(jù)X在小波變換域進行基分解。
[0009] 2)對步驟1)得到的Ν維稀疏向量α進行壓縮采樣，得到信號y，y有Μ個采樣點:y=? χ= Φ Ψα ；
[0010] 所述的壓縮，是指選取Μ維高斯隨機矩陣為觀測矩陣Φ與數(shù)據(jù)χ相乘，Μ為自然數(shù)， 由于Μ< < Ν，即實現(xiàn)數(shù)據(jù)壓縮。
[0011] 3)對步驟2)得到的觀測值y用于油井數(shù)據(jù)監(jiān)控系統(tǒng)的傳輸數(shù)據(jù)。
[0012] 4)接收端接收步驟3)傳輸數(shù)據(jù)y，進行正交匹配追蹤(OMP,Orthogonal Matching Pur su i t)重構(gòu)最優(yōu)解。
[0013] 5)定義OMP算法初始殘差為eQ = y，定義初始已匹配集合為4 = 0，定義列數(shù)初始值 i = l〇
[0014] 6)計算相關(guān)性最大的列向量:q = argmax|ei-1，（ ΦΦ)」，其中行數(shù)j = l，2,…，d， 記錄此時列數(shù)i，稀疏系數(shù)在i列有非零值，大小為4 。
[0015] 7)將步驟6)尋找到的基底向量q加入到集合Ai = Ai-i U q后，對Ai進行施密特正交 化，并求取新的殘差._d. -4?β
[0016] 8)多次循環(huán)迭代步驟7)，直至殘差小于門限值，得到最終匹配的稀疏系數(shù)α和集合 Α，即（ΦΦ)'。
[0017] 9)利用步驟8)中得到的稀疏系數(shù)，還原原始信號χ=Ψα。
[0018] 自此完成一維油井數(shù)據(jù)壓縮與重構(gòu)。
[0019] 有益效果
[0020] 本發(fā)明通過采壓縮感知算法降低了數(shù)據(jù)采樣率，利用油井數(shù)據(jù)在小波變換域的稀 疏特性減少了重構(gòu)所需的數(shù)據(jù)維數(shù)，用正交匹配追蹤算法實現(xiàn)了高分辨率重構(gòu)。降低油井 現(xiàn)場數(shù)據(jù)壓縮的復(fù)雜度與數(shù)據(jù)量，節(jié)約傳輸資源。
【附圖說明】
[0021] 圖1是本發(fā)明基于壓縮感知的小波域稀疏一維油井數(shù)據(jù)壓縮與重構(gòu)系統(tǒng)實現(xiàn)框 圖；
[0022]圖2是步驟1)中小波域?qū)τ途當?shù)據(jù)進行稀疏分解仿真圖；
[0023] 圖3是步驟5)至步驟8)重構(gòu)信號時的殘差與迭代次數(shù)關(guān)系圖；
[0024] 圖4是步驟8)中重構(gòu)出的稀疏系數(shù)；
[0025] 圖5是本發(fā)明基于壓縮感知的一維油井數(shù)據(jù)壓縮與重構(gòu)方法仿真效果圖。
【具體實施方式】
[0026] 下面結(jié)合附圖和實施例對本發(fā)明做進一步說明。
[0027]實施例
[0028]如圖1所示，運用本發(fā)明方法對油井一維數(shù)據(jù)進行處理，以載荷數(shù)據(jù)為例。
[0029] 1)如圖2(a)所示，對油井數(shù)據(jù)中載荷值Xpaylciad去噪后在基底WER NXN所張成空間 上進行稀疏分解:Xpayload = Ψ α ;
[0030] 所述的去噪處理，是指將載荷值Xpaylciad進行傅里葉變換后加窗濾波去除噪聲，選 取20點矩形窗，如圖2(b)所示。
[0031] 所述的稀疏分解，是指將去噪后的載荷值在小波變換域進行基分解。選取"dbl"小 波，小波分解層數(shù)為6，得到稀疏系數(shù)α如圖2 (c)所示。
[0032 ] 2)對步驟1)得到的Ν維稀疏向量α進行壓縮采樣，得到信號y，y有Μ個采樣點:y = Φ χ= Φ Ψα ；
[0033] 所述的壓縮，是指選取Μ維高斯隨機矩陣為觀測矩陣Φ與數(shù)據(jù)χ相乘，Μ為自然數(shù)， 由于Μ<<Ν，即實現(xiàn)數(shù)據(jù)壓縮。觀測矩陣選取高斯隨機觀測矩陣。
[0034] 3)對步驟2)得到的觀測值y用于油井數(shù)據(jù)監(jiān)控系統(tǒng)的傳輸數(shù)據(jù)。
[0035] 4)接收端接收步驟3)傳輸數(shù)據(jù)y，進行正交匹配追蹤(OMP,Orthogonal Matching Pur su i t)重構(gòu)最優(yōu)解。
[0036] 5)定義OMP算法初始殘差為eQ = y，定義初始已匹配集合為4=0，定義列數(shù)初始值 i = l〇
[0037] 6)計算相關(guān)性最大的列向量:q = argmax|ei-1，（ ΦΦ)」|，其中行數(shù)j = l，2,…，d， 記錄此時列數(shù)i，稀疏系數(shù)在i列有非零值，大小為
，
[0038] 7)將步驟6)尋找到的基底向量q加入到集合Ai = Ai-i U q后，對Ai進行施密特正交 化，并求取新的殘差：
如圖3所示。
[0039] 8)多次循環(huán)迭代步驟7)，直至殘差小于門限值，得到最終匹配的稀疏系數(shù)α和集合 Α，即（ΦΦ)'。
[0040] 9)利用步驟8)中得到的稀疏系數(shù)，如圖4(b)所示，還原原始信號χ=Ψα，如圖5所 不。
[0041] 自此完成一維油井數(shù)據(jù)壓縮與重構(gòu)。
【主權(quán)項】
1. 基于壓縮感知的小波域稀疏一維油井數(shù)據(jù)壓縮與重構(gòu)方法，其特征在于，包含如下 步驟： 步驟一:對油井數(shù)據(jù)X去噪后在基底WGRnxn所張成空間上進行稀疏分解:χ=Ψα; 所述的去噪處理，是指將數(shù)據(jù)X進行傅里葉變換后加窗濾波去除噪聲； 所述的稀疏分解，是指將數(shù)據(jù)X在小波變換域進行基分解； 步驟二:對步驟一得到的N維稀疏向量α進行壓縮采樣，得到信號y，y有M個采樣點：y = Φ X= Φ Ψα ； 所述的壓縮，是指選取M維高斯隨機矩陣為觀測矩陣Φ與數(shù)據(jù)X相乘，M為自然數(shù)，由于M <<Ν，即實現(xiàn)數(shù)據(jù)壓縮； 步驟三:對步驟二得到的觀測值y用于油井數(shù)據(jù)監(jiān)控系統(tǒng)的傳輸數(shù)據(jù)； 步驟四：接收端接收步驟三傳輸數(shù)據(jù)y，進行正交匹配追蹤(OMP，Orthogonal Matching Pur su i t)重構(gòu)最優(yōu)解； 步驟五:定義OMP算法初始殘差為eo = y，定義初始已匹配集合為4 = 定義列數(shù)初始值i =1 ； 步驟六:計算相關(guān)性最大的列向量:q = arg max|ei-i，（ ΦΦ)」|，其中行數(shù)j = l，2,. . .，d， 記錄此時列數(shù)i，稀疏系數(shù)在i列有非零值，步驟七:將步驟六尋找到的基底向量q加入到集合Ai = Ai-i U q后，對Ai進行施密特正交 化，并求取新的殘差-44; 步驟八：多次循環(huán)迭代步驟七，直至殘差小于門限值，得到最終匹配的稀疏系數(shù)α和集 合Α，即（ΦΦ/ ; 步驟九:利用步驟八中得到的稀疏，還原原始信號χ=Ψα;自此完成一維油井數(shù)據(jù)壓縮 與重構(gòu)。2. 根據(jù)權(quán)利要求1所述基于壓縮感知的小波域稀疏一維油井數(shù)據(jù)壓縮與重構(gòu)方法，其 特征在于，步驟一中傅里葉變換加窗去噪處理優(yōu)選值為20點矩形窗。3. 根據(jù)權(quán)利要求1所述基于壓縮感知的小波域稀疏一維油井數(shù)據(jù)壓縮與重構(gòu)方法，其 特征在于，步驟一中稀疏分解變換域優(yōu)選值為"db Γ小波，小波分解層數(shù)為6。4. 根據(jù)權(quán)利要求1所述基于壓縮感知的小波域稀疏一維油井數(shù)據(jù)壓縮與重構(gòu)方法，其 特征在于，步驟二中采樣壓縮優(yōu)選觀測矩陣為高斯隨機觀測矩陣。
【專利摘要】本發(fā)明是一種基于壓縮感知的數(shù)據(jù)壓縮與重構(gòu)方法，屬于信號壓縮處理領(lǐng)域。該方法可以以低于奈奎斯特采樣定理的速率在特定稀疏域上壓縮采樣，可以更好的利用信號的可壓縮性，在信號采集的過程中盡可能少的采集信號的冗余部分，壓縮傳輸，精確重構(gòu)。其中壓縮采樣在小波變換域完成。其中的數(shù)據(jù)重構(gòu)采用正交匹配追蹤算法。在油田實際數(shù)據(jù)傳輸應(yīng)用中，降低了通信資源的占用，緩解了網(wǎng)絡(luò)傳輸延時，節(jié)約了生產(chǎn)運行成本。
【IPC分類】H03M7/30, H03M7/50
【公開號】CN105530012
【申請?zhí)枴緾N201510796871
【發(fā)明人】王衛(wèi)江, 高巍, 史玥婷
【申請人】北京理工大學(xué)
【公開日】2016年4月27日
【申請日】2015年11月18日